随机分组策略下的分布式多智能体一致性

多智能体分布式一致性算法一般需要获得相对状态差值x_i-x_j,本文针对无法得到智能体间相对状态差值的情况,提出一种基于智能体分组,通过组间信息交换来达到智能体状态一致的算法.本文仅讨论离散情况下智能体被随机划分为两组和多组的情况.当存在两个随机分组时,每个智能体都进行状态更新,且更新量为组间的状态差值.此时,系统达到期望一致的充要条件为所给出的状态更新参数应大于1.当存在多个随机分组时,仅通过Gossip算法选中的两组智能体以这两组间的状态差值进行状态更新.在这种情况下,系统达到期望一致的充分条件为各分组概率相等,且状态更新参数大于1.最后通过计算机仿真验证了结论的正确性.     

基于负荷分解技术的小区电能替代需求分析

电能替代不仅提高了居民家庭用能设备的电气化水平,同时减少了环境污染,符合社会可持续发展对能源消费的要求。提出一种基于负荷分解技术的比例模型,用于估计电能替代后小区总用电增量。首先分析用户用能场景,提出可用于电能替代的电器。基于公开数据集建立这类电器的负荷分解模型,并在此基础上为小区少量用户安装电流采集器获取低频电能数据,构建非全电用户的实际用电量与替代电能增量的比例关系。然后根据比例关系和小区已知绝大多数用户的实际用电量,估计电能替代后总替代电能增量。最终利用实际天然气用量衡量估计效果。结果表明,仅采样少量小区用户的电能数据成本低廉,且得到的比例关系能较好地估计由电能替代引发的区域用电增量,在推行电能替代中有很好的应用价值。     

并行卡尔曼滤波器的多信道序列规划算法

针对基于卡尔曼滤波器的并行序列规划问题,本文提出了一种基于多信道的改进算法,在规划各进程所对应传感器的测量信息传输序列,以使相应滤波器的状态估计误差协方差满足给定指标的同时,尽可能减少通讯信道占用.文中论证了基于夹挤方法的周期算法,以提高计算进程传输周期的效率;改进了基于缓存的离线序列规划算法,以适应多信道传输的情景;设计了在线序列调整算法,利用空闲信道进行传输失败后的数据复发,快速调整序列以适应指标变化的需求.算法的运行效果将通过仿真实验进行验证与分析.     

基于鞍点方程的分布式经济调度算法

为了实现智能电网的安全稳定经济运行,针对电力系统中广泛研究的经济调度问题,受到一致性模型和鞍点动态法的启发,提出基于一阶连续系统的分布式算法. 该算法考虑了迭代过程中节点生产能力和网络总负荷需求的约束,且每个节点只知道自身的代价函数. 为了解决上述约束,该算法设计3种对应的拉格朗日乘子. 为了实现控制参数的常量化,该算法添加了一个变量,用于平衡局部梯度差值. 由于有向网络的权矩阵是非对称的,该算法引入一变量用于平衡各有向边的权增益. 通过节点局部梯度与拉格朗日乘子,获取节点输出功率. 实验结果表明,该算法针对经济调度问题是可行且有效的.     

基于水下传感器网络的目标跟踪技术研究现状与展望

水下目标跟踪在海洋资源的开发利用以及国家安全的防御等方面都具有广泛的应用价值和重要的战略意义. 基于水下传感器网络(Underwater sensor networks, USNs)的目标跟踪技术凭借其覆盖范围广、观测时间长和实时融合等优势已经成为一个新的研究热点. 本文针对基于USNs的目标跟踪关键技术的基本思想、研究进展、应用及局限性进行了综述, 主要从以下几个角度对其展开论述: USNs的建设现状、系统组成及其分类、目标跟踪系统模型、单目标跟踪技术、多目标跟踪技术以及能效优化措施. 最后, 本文不仅指出了基于USNs的目标跟踪研究目前存在的主要挑战, 并对该领域的未来发展方向进行了展望.     

基于多个自主水下航行器的分布式协同流场估计

本文考虑利用多个自主式水下航行器(AUV)实现流场估计, 提出了一种基于树型网络的分布式方法来估计 水下流场. 在本文中, 借助绝对运动积分误差和相对运动积分误差, 流场估计问题被描述为求解一个以未知流场为 变元的非线性方程组. 继而本文在多AUV系统内建立一个低通讯成本的树型网络, 并在该网络上运行一种分布式 算法以求解与流场估计相关的非线性方程组. 在该算法中, 每个AUV将当前的流场估计值连续地投影到自身拥有 的约束方程的解集中, 并通过扩散和池化两个步骤在树型网络间传递流场估计值. 本文证明了上述算法的收敛性, 并通过仿真实验验证了所述分布式协同流场估计方法的有效性.     

基于双流对称特征融合网络模型的海洋船舶目标识别

海洋船舶目标识别在民用和军事领域有着重要的战略意义, 本文针对可见光图像和红外图像提出了一种 基于注意力机制的双流对称特征融合网络模型, 以提升复杂感知环境下船舶目标综合识别性能. 该模型利用双流对 称网络并行提取可见光和红外图像特征, 通过构建基于级联平均融合的多级融合层, 有效地利用可见光和红外两种 模态的互补信息获取更加全面的船舶特征描述. 同时将空间注意力机制引入特征融合模块, 增强融合特征图中关 键区域的响应, 进一步提升模型整体识别性能. 在VAIS实际数据集上进行系列实验证明了该模型的有效性, 其识别 精确度能达到87.24%, 综合性能显著优于现有方法.